对话德企中国区总经理:当AI学会写代码,我们该学些什么?

H先生：我是一家集成软件上海有限公司的总经理，公司是一家德国的软件公司在中国区全资的子公司，主要负责中国内地及港澳台地区的业务。

H先生：我们企业是全球领先的集成软件的提供商，集成软件我们称之为商业中间件，指的是在软件领域当中一个垂直领域的小众市场。我们的软件主要是提供不同系统的接口管理或接口的集成，面向的行业根据行业发展的阶段会有所差异，在中国区主要面向汽车行业、制造业，其次还有高科技行业（半导体制造）、物流行业、金融行业、化工行业以及生物制药行业。

在发达国家，集成软件的应用会更加广泛，因为集成软件可以降本增效，大大提高效率，便于企业与企业之间以及企业内部，系统高效的集成和流程的流转。

H先生：我们企业软件是从技术的角度解决企业的集成问题，在没有集成软件时，很多企业内部以及企业之间用“手工”来进行信息数据的录入和流转，而集成软件，是一个接口，就像一个高速公路，数据和相关的信息可以在不同的系统当中自动化进行集成，大大提高效率。

比如你去机场乘机，从柜台值机、过安检，到登机口刷二维码，每一个环节背后其实都分属于不同的独立系统。但为什么你只要扫一下二维码，你的个人信息、航班动态、行李状态就能在所有系统里瞬间同步？这就是因为系统之间完成了“接口集成”。

物流行业和汽车行业对效率的要求很高，因为它涉及到大量的物料和货物信息处理，不同的货物在不同时间点、地点，涉及到的环节很多。集成软件就可以让信息流和数据流实现快速流转，并进行自动化的处理。

H先生：作为软件企业，我们的主要业务就是找到有集成需求的客户，为其提供软件和配套服务。交付模式主要分为两种：一种是售卖软件，将软件安装、部署在客户企业的本地；还有一种是部署在云上，也就是Cloud，客户可以直接使用我们云端的软件完成集成需求和问题。

H先生：首先，对软件从业者来说，我们最直观接触到的就是AI coding（AI编程）。因为软件行业有大量编程工作，而现在AI已经可以在很大程度上替代初中级程序员岗位，所以说在过去两三年，依托大语言模型持续迭代，AI代码生成能力飞速提升，已然对软件行业产生了直接改变。

我们对AI的使用主要分为两种：一种是问答式使用，提出开发需求，AI直接生成对应代码。另一种是调用AI底层API接口，直接把AI能力嵌入到我们自研软件程序内部。通过这两种使用方式，大幅提升传统人工编码的效率，比如过去10个人才能完成的编程工作量，现在搭配AI工具，一到两个人就能完成，这是AI带来的最直接的一重变化。

其次，也是目前行业从业者普遍焦虑的点：AI可以生成软件，客户如果有软件开发需求，或许可以直接依靠AI自行开发，不再需要采购我们服务商的产品，从这个角度来说行业存在被颠覆的可能性。我们也可以看到，近两年不管大厂还是中小软件企业，都出现裁员现象。并不是说行业消失了，而是大量初中级编码岗位或软件开发工作直接交给AI自动化完成，导致这类岗位需求持续缩减。

H先生：先简单介绍一下我们公司现阶段AI落地场景。前面提到的AI coding，可以大幅提升开发效率。在同等业务营收规模下，我们可以依靠AI用更少人力完成交付，整体人效显著提升。

但与此同时，我们主营的企业级集成平台软件也是十分复杂的，依托公司近40年技术积累发展至今，不可能只靠一句指令就可以由AI轻松实现。对于轻量小型工具软件，AI或许可以独立完成，但对于我们这种重量级B to B的商用软件，短时间内无法由AI独立开发落地，没有外界想象中那么简单。

不过，AI的赋能效果还是很突出的。抛开客户对接、上下游协同等外部因素，传统模式下可能需要3个月才能完成的完整项目，在借助AI开发后，周期可以缩短至1个月甚至3周。

H先生：从我们接触的客户和行业从业者现状分享，其实与市面媒体报道有一定区别，绝大多数一线从业者依然是非常谨慎，To B企业AI应用远没有个人端应用火爆，主要原因在于我们业务对数据、流程准确率要求是100%可靠的，出现问题必须全程可追溯、可核查。而现阶段所有大模型依然存在AI幻觉问题。

个人场景下使用AI，更多是将其作为参考素材，即便准确率仅有80%，只要效果优于常规人工水平，就能满足基础使用需求。企业商用场景则完全不同，行业场景不能容忍任何错误数据，比如物料流转、财务报表、生产排程，哪怕95%准确率依然存在巨大业务风险。一旦输出错误信息，在生产、物流、制造、金融这类企业场景中造成的后果完全无法接受。在创意类、无标准答案的工作领域，AI可以得到极大的推广，但对零幻觉、高精准度有硬性要求的业务场景，AI落地有极高前置条件，很难独立替代成熟商用集成系统。

H先生：不能这么片面定义，AI对软件行业的变革已经近在眼前，如果企业3-5年内不主动拥抱AI转型，很容易被市场淘汰，未来变化会非常巨大。

我们在AI时代更需要的就是创新，我们从去年开始与高校、研发机构合作开发AI项目。比如说，我们个人日常会使用豆包、DeepSeek、千问等国内主流大模型作为辅助应用，但企业级场景中很多企业客户出于数据安全管控要求，不会直接使用公有大模型处理内部核心业务数据，所以去年我们和同济大学软件学院合作，为一家美资背景咨询公司搭建私有化Chat AI系统，基于客户自身内部知识库、数据库本地化部署专属大模型问答工具，提供给内部咨询顾问使用，所有数据不出企业内网，兼顾数据安全与企业特定需求。

此外，我们集成软件行业未来核心趋势也是多智能体协同集成，未来企业内部、企业之间会部署成千上万的业务智能体，还会对接公有云通用智能体，所以智能体之间的数据、指令互通、自动化协同，就是我们集成软件的全新赛道，也是我们现阶段重点研发的方向。

这些就是我们企业目前落地的创新项目，也是我们在AI时代做的一些商业尝试，所以我们现在两条核心的转型路线，一个就是传统软件叠加AI能力，另一个就是以AI为核心叠加新的软件，通过这两条路径寻找全新商业模式。

H先生：现在不管是软件公司还是咨询公司，越来越多需要的是复合型人才，单纯只懂单一技术的人员很容易被AI替代。所以目前看来，一方面我们的技术人要更多理解业务，清楚需要解决的实际问题；另一方面，业务咨询人员也要熟练使用AI工具辅助工作。

因此，现在行业出现一个热门岗位叫FDE（Forward Deployed Engineer）前沿部署工程师，本质就是能打结合务与AI技术的复合型人才。FDE更多是大厂的概念，对于我们中小型软件公司，核心需求就是这样的复合型人才，这类人才可以结合行业数十年积累的经验和技术，搭配AI工具，落地客户业务解决方案，持续不断地提供业务价值，也是我们公司希望能够培养的人群。

H先生：单一技术岗位，如基础编程岗位的需求会持续缩减，单纯垂直技术、标准化重复工作都会被AI替代，但复合型、软硬结合、与人为操作强相关的岗位相对难以被替代。比如我们现在做硬件对接相关工作不太容易被替代，因为目前AI还无法独立完成硬件制造、现场调试。所以软件从业者需要想方设法寻找AI难以覆盖的业务环节，形成自身相应的价值。

所以软件从业者必须思考如何转型，AI可能会导致企业直接倒闭，也可能带来更多机会。因此我们一直在思考如何借助AI更好地为客户的服务——过去我们只需要完成软件技术落地、打通接口、实现系统集成；现在我们需要更多挖掘业务价值，结合AI工具为客户提供完整业务解决方案，只有持续创造独特业务价值，客户才愿意为们的服务买单，软件企业才能持续生存发展。

H先生：软件行业从业者现在主要需要新增的能力就是对AI工具的熟练使用。能否高效使用AI，会直接决定个人职业发展机会，排斥或不会使用AI的从业者未来会逐步被淘汰。

H先生：坦白讲，我们作为中小型软件企业，目前还没有成型、统一的标准来衡量这一方面。客观原因是2022年至今大模型技术发展速度太快了，行业来不及形成通用评判标准。

我们分内部人员培养、外部人才招聘两套策略来适应当下的变化，内部员工层面标准化基础工作被AI替代，员工要么转型复合业务岗或是被淘汰，从管理层到一线员工，必须全员学习AI，公司也会定期组织内部AI知识分享、技能培训，搭建相对清晰的AI转型战略，明确公司短期目标和长期布局规划。

外部人才层面，去年我们专门增设AI专家岗位，对AI较为了解，今年持续延申外部合作，对接同济大学等高校、深信服这类中厂技术服务商，补齐AI落地能力。更重要的是在中国，持续了解国内客户AI需求变化，主动创新业务模式，虽然现阶段AI业务营收占比很小，但希望现在前期的技术探索和现实应用能够支撑公司未来数年的发展。

H先生：AI早已不只是简单的辅助工具，我们公司内部重点关注AI的岗位会定期将AI应用和行情在全公司范围内分享，不同岗位员工结合自身业务场景，思考探索AI应用方式。落地后，我们团队会复盘效率以提升效果，持续优化AI和业务的结合方式，提升我们公司的效率。对外层面，就是我们前面说到的，联合院校和机构研究全新AI解决方案，探索新的发展道路。

H先生：德国企业分工体系和业务模式相对比较成熟，整体对AI落地偏保守，包括我们大量德国制造类客户，对AI的认知、落地节奏都很慢，很主要的原因是欧洲本土没有成熟自研大模型，企业大多依赖OpenAI、谷歌等美国大模型。

国内现状完全不同，虽然整体AI技术底子对比美国存在1-3年的差距，但国内企业或从业者对智能体的认知程度和拥抱程度要比欧洲和美国更加开放。其中也和国家顶层AI战略有很大关系，我们作为发展中国家，AI是实现产业中弯道超车的重要机遇，因此政策、资本和企业全都会全力发展AI、机器人赛道，行业整体积极性极高。

美国目前依旧是全球AI技术领导者，很多高端GPU芯片、底层模型技术都是美国公司提供的，还存在很多出口限制。但我们也很高兴看到，中国在AI落地层面，使用海外的1/5到1/6的成本达到相近效果，更适合中国个人和中小企业以低成本来使用AI。

另外，能源是AI发展的底层基础。国内能源配套完善、成本可控，欧美能源价格高昂，企业使用AI算力的成本压力很大，这也是国内AI普及速度更快的深层原因。

H先生：AI是革命性的技术发展，会渗透各行各业、影响所有人。从长期来看，传统软件公司的定位会彻底改变，可能未来我们不能再叫软件公司，而是比如可以叫AI物流信息服务公司，核心盈利模式从售卖软件转为输出AI驱动的数据和信息服务，To B、To C行业都会迎来大范围转变。

所以未来发展很重要的一个方向，还是所有人建立主动拥抱AI的开放心态，不管学生还是职场人，都可以借助AI工具实现自己的创意，打破过去的技术门槛限制。每个人都能依托AI落地自身想法，找准自身行业定位顺应趋势才能长期发展。

针对具身智能，我个人观点偏保守。目前机器人展示的跳舞、对抗等演示场景距离商用成熟落地还有10-20年周期，并不像媒体上所说的很快发生。从商业角度考量，现阶段人形机器人成本极高，替代人工不具备经济效益，机器人执行逻辑大多是预设程序，自主学习、灵活处理复杂场景的能力和人类差距极大。

但垂直邻域中具身智能相关的流程会快速出现，未来3-5年，在物流、制造业、国防领域专用工业机器人、智能设备会大范围普及。这条赛道市场空间广阔，也是国家重点关注的方向。

H先生：我有高二在读的女儿和大二在读的儿子。结合亲身感受，我的建议大致如下：

首先，要保持开放、好奇的学习心态，不要抵触AI，主动上手体验市面上各类AI工具，做图、剪辑、问答、生成内容都主动尝试，亲身感受AI能力。

第二，不用过度焦虑AI完全取代人类，AI只是工具，无法替代人本身，找到自己真正热爱、感兴趣的领域，甚至可能是自己要发展的职业领域，不管是文科、艺术、工科、理科任何方向，把AI作为工具结合到热爱的领域里。比如说，孩子喜欢绘画，我始终认为AI绘图不会完全取代原创画师，将本身的艺术审美和创作想法搭配AI工具，既能找到自己有激情的方向，又能够搭配AI工具提升效率，就能在AI时代建立不可替代的个人竞争力。